Microsoft AI: MAI-Transcribe 2

Microsoft AI: MAI-Transcribe 2는 Microsoft의 음성-텍스트 변환 모델로, 2026년 9월 3일에 출시되었습니다. 이 모델은 전사(transcription) 범주에 속하므로, 그 역할은 좁고 구체적입니다. 즉, 음성 오디오를 텍스트로 바꾸는 것입니다. Microsoft는 이 모델을 다국어 시스템으로 포지셔닝하며, 제공자에 따르면 FLEURS 다국어 벤치마크에서 1위를 차지했습니다. 여러 언어의 음성을 다루는 작업이라면, 제공자의 지원과 벤치마크 순위라는 이 조합이 범용 모델 대신 이 모델을 살펴볼 주된 이유입니다.

이 모델은 오디오를 입력으로 받아 전사 결과를 출력으로 반환합니다. 60개 언어를 지원하며 자동 언어 식별을 수행하므로, 요청을 보내기 전에 어떤 언어가 말해지고 있는지 알려줄 필요가 없습니다. 또한 코드 스위칭, 즉 같은 녹음 안에서 화자가 언어를 바꾸는 오디오도 처리합니다. 공개된 세부 정보에는 토큰 단위의 컨텍스트 길이가 나열되어 있지 않고, 최대 출력은 0으로 제시되어 있으므로, 이 모델을 긴 텍스트 지시로 프롬프트할 수 있는 대상이 아니라 순수한 전사 엔드포인트로 취급하십시오. 모델을 식별하고 오디오를 전달하는 데 API가 요구하는 것 외에 지원되는 요청 매개변수는 나열되어 있지 않습니다.

실용적인 용도는 이러한 기능에서 바로 이어집니다. 다국어 조직의 회의 및 통화 녹음은 확실히 적합하며, 특히 참가자들이 대화 중간에 언어를 바꾸는 경우에 그렇습니다. 미디어 및 팟캐스트 워크플로는 별도의 언어 감지 단계 없이 전사본을 만들기 위해 이 모델을 사용할 수 있습니다. 지원되는 60개 언어 중 하나로 된 음성을 다루는 연구 및 아카이브 프로젝트는 오디오를 보내고 텍스트를 돌려받을 수 있습니다. 언어 식별이 자동이므로, 혼합 언어 오디오에 대한 배치 작업은 미리 정렬하거나 태그를 달 필요가 없습니다.

이 모델은 모델 id "microsoft/mai-transcribe-2"를 사용하여 api14의 OpenAI 호환 API를 통해 호출합니다. 인터페이스가 OpenAI 형식을 따르므로, 이미 OpenAI 호환 base URL을 가리키는 기존 클라이언트와 SDK를 재사용할 수 있으며, 오디오를 입력으로 보내고 응답에서 전사 결과를 반환받습니다. 이 모델은 지원되는 매개변수를 나열하지 않으므로 요청을 최소한으로 유지하십시오. 모델 id를 설정하고, 오디오를 첨부하고, 샘플링이나 형식 옵션이 어떤 효과를 낼 것이라고 가정하지 마십시오. 매개변수가 지원되는 것으로 나열되어 있지 않다면, 빼는 것이 가장 안전합니다.

한계에 관해서는 이용 가능한 사실이 빈약합니다. 명시된 컨텍스트 길이가 없고 최대 출력이 0이라는 점은, 이 모델이 텍스트 입력, 텍스트 출력 프롬프트나 긴 생성 응답을 위한 것이 아님을 시사합니다. 작업에 전사본에 대한 추론, 요약, 번역 또는 어떤 텍스트 생성이 필요하다면 텍스트 모델이 더 나은 선택이며, MAI-Transcribe 2는 먼저 전사본을 만드는 데 사용하십시오. 오디오가 지원되는 60개 언어 밖에 있다면, 이 모델은 도움이 되지 않을 가능성이 큽니다.